Iako nije jedan od vodećih igrača u svijetu vještačke inteligencije danas, novi Apple otvoreni AI model za uređivanje slika može doprinijeti ovoj oblasti. Na taj način Apple put ka vještačkoj inteligenciji se poboljšava, a model nazvan MLLM-Guided Image Editing (MGIE) koristi multimodalne velike jezičke modale za tumačenje tekstualnih komandi pri uređivanju slika. Drugim riječima, alat ima sposobnost uređivanja fotografija na osnovu teksta koji korisnik unese.
Iako ovo nije prvi alat koji to može, „ljudske instrukcije su ponekad previše kratke da bi trenutno dostupne metode mogle da ih uhvate i prate“, piše u dokumentaciji projekta. Apple je razvio MGIE sa istraživačima sa Univerziteta Kalifornija u Santa Barbari.
Veliki jezički modeli imaju moć da transformišu jednostavne ili nejasne tekstualne komande u detaljnije i jasnije instrukcije koje sam uređivač fotografija može da prati. Na primjer, ukoliko korisnik želi da uredi fotografiju pice sa feferoni papričicama, tako da ona izgleda zdravije, veliki jezički modeli to mogu da interpretiraju kao „dodavanje povrća“ i urede fotografiju u skladu sa tim.
Osim pravljenja glavnih promjena na fotografijama, MGIE takođe može da isiječe, mijenja veličinu i rotira fotografije, kao i da poboljša njihovu svjetlinu, kontrast i balans boja, sve putem tekstualnih komandi. Takođe može da uređuje specifična područja fotografije i, na primjer, da modifikuje kosu, oči i odjeću osobe na njoj, ili da ukloni elemente u pozadini, čemu će se vjerovatno obradovati mnogi Instagram korisnici.
AppleApple je model objavio na GitHub platformi, ali zainteresovani trenutno mogu isprobati samo demo koji je trenutno dostupan na Hugging Face Spaces u okviru Git respozitorijuma.
Kompanija još nije saopštila da li planira da koristi ono što nauči iz ovog projekta kao alat ili funkciju koju može ugraditi u neki od svojih proizvoda, kao što je iPhone, na čiju sledeću generaciju zvanično stižu stižu funkcije vještačke inteligencije.